胡媛馨 ，高建衛(wèi)，孔 戈，徐春艷，薛偉明，張旭清，高蘊(yùn)琪（.上海眾材工程檢測有限公司，上海009；.上海海事大學(xué) 海洋科學(xué)與工程學(xué)院，上海 006；.上海海事大學(xué) 信息工程學(xué)院，上海 006）

建筑外墻飾面層的空鼓、脫落不僅影響建筑物的視覺外觀，還嚴(yán)重影響公共安全。對建筑物外墻飾面層進(jìn)行檢測，排查空鼓墻面，是一件急需解決的事情。本文運(yùn)用聲波振動(dòng)測試樣本采集方法，對飾面磚外墻面進(jìn)行敲擊信號采集，利用梅爾頻率倒譜系數(shù)對采集樣本進(jìn)行特征提取和分析，并將隱馬爾可夫模型應(yīng)用于建筑外墻面飾面層空鼓檢測中，實(shí)現(xiàn)聲信號識別方法在外墻飾面層黏結(jié)空鼓缺陷上的應(yīng)用。

1 聲信號檢測原理和模型

1.1 敲擊聲信號的預(yù)處理

墻飾面層敲擊信號的聲信號識別，需經(jīng)過預(yù)加重、分幀、加窗和端點(diǎn)檢測等幾個(gè)預(yù)處理步驟，將聲信號轉(zhuǎn)變成數(shù)字信號，實(shí)現(xiàn)聲信號的特征提取。

預(yù)處理過程及詳細(xì)步驟見文獻(xiàn)[1]。

1.2 梅爾頻率倒譜系數(shù)

聲信號分析主要是對提取的特征參數(shù)進(jìn)行處理，得到體現(xiàn)信號本質(zhì)的特征參數(shù)。本文采用梅爾頻率倒譜系數(shù)（Mel-Frequency Cepstrum Coefficients，簡稱 MFCC）對建筑外墻敲擊聲信號進(jìn)行分類，利用聲音的音調(diào)特性進(jìn)行特征提取，計(jì)算聽覺主觀頻率上頻譜的倒譜。MFCC 特征參數(shù)從本質(zhì)上而言即為各個(gè)頻帶對應(yīng)的能量特征[2-6]。

1.3 隱馬爾可夫模型

隱馬爾可夫模型（Hidden Markov Model，簡稱HMM），是由 Markov 鏈發(fā)展而成的。它可用一個(gè)五元組數(shù)來描述，即，將5個(gè)參數(shù)分別作如下定義[1]：

(1) N：隱馬爾可夫模型的狀態(tài)數(shù)，在實(shí)際中設(shè)定為固定值。設(shè) N 個(gè)狀態(tài) θ1，θ2，……，θN，則 n 時(shí)刻 Markov鏈所處狀態(tài)為 qn，qn∈(θ1，θ2，……，θN)。

(2)m：每個(gè)狀態(tài)對應(yīng)的可能觀察值數(shù)目。記m 個(gè)觀察值為 V1，V2，……，VM，t 時(shí)刻觀察到的觀察值為 Ot，Ot∈(V1，V2，……，VM)。

(3) π：初始狀態(tài)概率矢量。π = (π1，π2，…，πN)，其中 πi= P(q1= θi)，1≤i≤N，πi表示 t =1時(shí)刻處于狀態(tài) θi的概率，并滿足 ∑tπi= 1。

(4) A：狀態(tài)轉(zhuǎn)移概率矩陣。A=(aij)N×N，其中，aij=P(qt+1=θj│qt=θi)，1≤i,j≤N,aij為從狀態(tài) i 到狀態(tài) j 的概率，aij≥ 0，3i,j 且 ∑jaij= 1,3i。

(5) B：可觀測序列概率分布矩陣。B=(bjk)N×M，其中，bjk=P(Ot=Vk│qt=θj)，1≤i，j≤N,1≤k≤N。

在計(jì)算過程中，N 和m 的值均保持不變，針對識別問題、解碼問題和訓(xùn)練問題，隱馬爾可夫模型分別有前向、后向、前向-后向算法，Viterbi 算法和 Baum-Welch 算法3種算法。根據(jù)墻體敲擊聲信號特征參數(shù)序列是隨時(shí)間變化的，試驗(yàn)分析中采用的 HMM 模型為可以模擬時(shí)間序列的左-右模型。

圖1 HMM 左-右模型

2 試 驗(yàn)

2.1 試驗(yàn)?zāi)康?/h3>

采集飾面磚外墻面敲擊聲信號，對其進(jìn)行預(yù)處理和特征提取，建立飾面磚正常與空鼓狀態(tài)的模型數(shù)據(jù)庫，將已知的敲擊聲信號數(shù)據(jù)對 HMM 模型進(jìn)行測試。敲擊聲信號識別系統(tǒng)框架如圖2所示。

圖2 敲擊聲信號識別系統(tǒng)框架圖

2.2 試驗(yàn)概況

試驗(yàn)場地、儀器設(shè)備由上海眾材工程檢測有限公司提供。

2.2.1 試驗(yàn)設(shè)備

上海其高電子科技有限公司研發(fā)的 SignalPad 2016 測控軟件、Type MP 40 聲音傳感器、USB-2405 凌華數(shù)據(jù)采集卡、敲擊力錘、計(jì)算機(jī)。信號采集流程如圖3所示。

圖3 信號采集流程

2.2.2 試驗(yàn)?zāi)Ｐ?/p>

試驗(yàn)?zāi)Ｐ图笆疽鈭D如圖4所示，參數(shù)見表1。

圖4 飾面磚外墻試驗(yàn)墻及示意圖

圖4中，a 為空鼓缺陷尺寸長度；

b、c 為試驗(yàn)墻體的長度和寬度；

d 為試驗(yàn)墻體左邊界距空鼓左邊界的尺寸；

e 為試驗(yàn)墻體上邊界距空鼓上邊界的尺寸；

f 為飾面磚厚度。

表1 飾面磚試驗(yàn)墻體參數(shù) mm

2.2.3 試驗(yàn)方案

(1) 敲擊點(diǎn)的位置分別位于空鼓中心、空鼓邊緣及空鼓中心與邊緣之間。空鼓區(qū)域具體的敲擊位置如圖5所示。

(2) 試驗(yàn)墻體飾面層黏結(jié)完畢之后，由于施工工藝、外界環(huán)境等因素產(chǎn)生的不規(guī)則空鼓，同樣算作試驗(yàn)空鼓缺陷。

圖5 飾面層空鼓區(qū)域敲擊點(diǎn)

2.3 試驗(yàn)結(jié)果

敲擊振動(dòng)信號分為2類，第1類為正常飾面磚的敲擊振動(dòng)信號，第2類為空鼓飾面磚的敲擊振動(dòng)信號。

2.3.1 時(shí)域波形及頻譜圖

飾面層敲擊分析結(jié)果如圖6～圖9所示。

圖6 正常飾面磚時(shí)域波形圖

圖7 正常飾面磚頻譜圖

圖8 空鼓飾面磚時(shí)域波形圖

圖9 空鼓飾面磚頻譜圖

正常飾面磚與空鼓飾面磚的時(shí)域波形圖和頻譜圖明顯不同：正常飾面磚的低頻段能量所占比例較小，在 3000 Hz左右存在較高的能量，而空鼓飾面磚在 0～2000 Hz 存在較高的能量。

2.3.2 特征提取

采用 24 維特征參數(shù)對面磚飾面層敲擊聲信號進(jìn)行特征提取，得到正常和空鼓飾面磚的 24 維 MFCC 特征參數(shù)矩陣三維圖(圖10、圖11)。

圖10 正常飾面磚 MFCC 特征參數(shù)

圖11 空鼓飾面磚 MFCC 特征參數(shù)

可以看出，正常飾面磚與空鼓飾面磚的 MFCC 特征矩陣在相同的幀數(shù)所對應(yīng)的特征向量取值有較大的差異。該區(qū)別在模式識別算法中是將不同特征的聲信號區(qū)分開來的依據(jù)。由此可見，MFCC 作為墻體敲擊聲信號識別的特征參數(shù)是可取的。

2.3.3 基于 HMM 的聲信號識別分析

模式識別中，參考樣本的數(shù)據(jù)量越大，樣本所包含的特征信息越豐富，但實(shí)際檢測時(shí)，在保證識別率的情況下，應(yīng)盡量減少訓(xùn)練模型時(shí)需要的樣本數(shù)據(jù)量。本文通過試驗(yàn)驗(yàn)證得到，HMM 模型的參考樣本數(shù)與模型識別率之間的關(guān)系如表2 所示。

表2 HMM 模型識別率與參考樣本數(shù)量的關(guān)系 %

取參考樣本個(gè)數(shù)固定時(shí)對應(yīng)的識別率的平均值為平均識別率，則 HMM 模型聲信號平均識別率與參考樣本個(gè)數(shù)的關(guān)系如圖12所示。

圖12 平均識別率與參考樣本個(gè)數(shù)的關(guān)系根據(jù) HMM 模型識別率

根據(jù) HMM 模型識別率與樣本個(gè)數(shù)的關(guān)系可知，樣本個(gè)數(shù)> 20 時(shí)，識別率保持在 90% 以上。本文試驗(yàn)將 20 作為參考樣本個(gè)數(shù)。

采集正常與空鼓飾面磚樣本數(shù)據(jù)各 20 組，對采集的飾面層敲擊信號進(jìn)行預(yù)處理，提取敲擊聲信號的 MFCC 特征參數(shù)，再以敲擊聲信號的特征參數(shù)對隱馬爾可夫模型進(jìn)行訓(xùn)練，獲得 HMM 模型。另采集正常和空鼓飾面磚樣本數(shù)據(jù)各80 組，計(jì)算 HMM 模型產(chǎn)生相應(yīng)樣本觀察值序列的概率，并利用 MATLAB 計(jì)算得到 HMM 模型的識別效率，結(jié)果如圖13、圖14、表3 所示。

圖13 正常飾面磚 HMM 識別結(jié)果

圖14 空鼓飾面磚 HMM 識別結(jié)果

表3 HMM 的識別結(jié)果

由試驗(yàn)結(jié)果可知，相應(yīng)狀態(tài)的樣本在其所對應(yīng)的模型中產(chǎn)生的狀態(tài)概率大于另一個(gè)樣本的概率值；正常飾面磚65 組數(shù)據(jù)識別為正常，空鼓飾面磚 80 組數(shù)據(jù)全部識別為空鼓，識別率分別達(dá)到 81.25% 和 100%。試驗(yàn)證明 HMM 模型具有較高識別效率。

3 結(jié) 語

通過聲信號識別技術(shù)對飾面磚外墻面空鼓黏結(jié)缺陷檢測進(jìn)行了試驗(yàn)研究，利用 MATLAB 語言和梅爾頻率倒譜系數(shù)提取了飾面磚敲擊聲信號的特征參數(shù)、建立了 MFCC 特征參數(shù)數(shù)據(jù)庫，結(jié)合隱馬爾可夫模型識別算法，對模型識別率與參考樣本個(gè)數(shù)的關(guān)系進(jìn)行了探討，并對3種空鼓缺陷尺寸、80組待測數(shù)據(jù)進(jìn)行了 HMM 模型的聲信號識別檢測。

通過以上試驗(yàn)研究，驗(yàn)證了本文提出的基于聲信號識別的飾面磚外墻面空鼓缺陷檢測方法的可行性和準(zhǔn)確性。該方法在實(shí)際工程應(yīng)用中具有廣闊前景。